您现在的位置是：首页 > 特别推荐特别推荐

区块链人工智能行业研究报告

2019-08-04来源：作者：经济常识笔记栏目：特别推荐

简介区块链人工智能行业研究报告人工智能未来发展成一项基础技术,与区块链一起是可以相互整合,相互依赖而存在,区块链人工智能也正是为了将二者优势互补应运而生的

前言

人工智能（Artificial Intelligence），英文缩写为AI，是计算机科学的一个分支。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

就像物联网（IoT）一样，人工智能在未来将发展成为一项基础技术，与区块链一起不仅可以相互整合，而且可以相互依赖而存在，区块链人工智能也正是为了将二者优势互补应运而生的。

1 背景分析

1.1 人工智能行业概况

1.1.1 人工智能行业发展现状

近年来，人工智能越来越受到人们的关注，据市场研究机构赛迪研究院预计，2018年全球人工智能市场规模将达到2,697.3亿元，增长率约为17%。更多机构数据显示，最近五年，全球人工智能市场规模年均增长率达到15%。

中国人工智能行业起步稍晚，到2016年末，市场规模不足300亿元，预计到2018年，这一数字有望突破380亿元，复合增长率高达26.3%。

截至2016年，全球近1000家人工智能公司，美国以502家位列首位，目前包括谷歌、华为、阿里巴巴等国际巨头纷纷进入人工智能领域，行业正迎来快速发展期。

1.1.2 人工智能行业发展历程

1956年，达特茅斯会议标志AI诞生；

1957年，神经网络Perceptron被罗森布拉特发明；

1970年，受限于计算能力，人工智能行业进入第一个寒冬；

1980年，XCON专家系统出现，每年节约4,000万美元；

1990-1991年，人工智能计算机DARPA没能实现，政府投入缩减，进入第二次低谷；

1997年，IBM的Deep Blue战胜国际象棋冠军；

2006年，Hinton提出“深度学习”的神经网络；

2011年，苹果的Siri问世，技术上不断创新；

2012年，Google的无人驾驶汽车上路；

2013年，深度学习算法在语音和视觉识别上有重大突破，识别率超过99%和95%；

2016年，Deepmind团队的AlphaGo运用深度学习算法战胜围棋冠军。

1.1.3 人工智能行业发展趋势

行业技术大规模商用，产品进入消费级市场

包括苹果、华为在内的手机、通信巨头均推出自主研发的人工智能芯片，运用在旗下的智能手机产品中，实现诸如面部识别等功能。人工智能借由智能手机已经与人们的生活越来越近。

基于深度学习的人工智能将达到人类专家顾问级别

依赖于性能更强的神经元网络、更强算力的芯片以及大数据，人工智能技术在过去几年取得了飞速发展，其中神经元网络是对人类大脑的模拟，是机器深度学习的基础，对某一领域的深度学习将使得人工智能逼近人类专家顾问的水平，并在未来进一步取代人类专家顾问。当然，这个学习过程也伴随着大数据的获取和积累。

人工智能将冲击劳动密集型产业

世界经济论坛2016年的调研数据预测到2020年，机器人与人工智能的崛起，将导致全球15个主要的工业化国家510万个就业岗位的流失，多以低成本、劳动密集型的岗位为主。人工智能终将改变世界，而由其导致的大规模失业和全球经济结构的调整，显然也属于“改变”的一部分。

1.2 区块链人工智能行业概况

1.2.1 区块链人工智能行业发展现状

截至2018年11月9日，共有超过20个区块链人工智能项目代币上线交易所，23个项目代币流动市值综合超过3.31亿美元，其中流通市值最大的PAI达到0.843亿美元。

区块链人工智能项目流通市值

1.2.2 区块链人工智能行业发展历程

区块链+人工智能，二者结合之初，多数项目都关注运用区块链技术优化人工智能领域，即区块链服务于人工智能，期间产生了数家专注区块链底层技术的项目成功落地，推动了区块链人工智能行业的发展。

近期有项目开始尝试将人工智能技术运用到区块链中，使得区块链网络更易用、更安全、更快捷，成为具备自优化能力的智能区块链网络。有望实现区块链与人工智能的融合，充分发挥二者的优势，促进行业取得突破性发展。

1.2.3 区块链人工智能行业发展趋势

行业多方向发展

目前多数区块链人工智能项目关注点较为集中，而人工智能行业应该是分层次的科学体系，研究方向的分散更有利于多样化人工智能前沿技术的产生和创新。

更多项目真正落地

截至目前，不少区块链人工智能项目仍处于创意构思阶段，技术难点难以攻破，项目进度停滞不前，真正落地的项目少之又少，其实另一个原因是项目愿景过于美好，却没有考虑到开发难度和实际需求。未来更多项目要兼顾技术开发和实际需求，才能真正实现项目落地，促进行业的发展。

2 传统人工智能行业痛点

数据由互联网巨头垄断

互联网巨头，如谷歌、亚马逊、微软、苹果、Facebook、阿里巴巴和腾讯等，基于海量用户行为特点垄断了我们的数据。而人工智能进行机器学习需要巨大的数据量支持，同时需要对数据进行充分标注，但数据标注多为外包，某些专业领域数据标注缺乏专业的培训和指导，易导致所标注的数据质量差，进而影响人工智能的机器学习效果。

算力成本形成高行业门槛

人工智能需要极大的运算量，普通人工智能科技公司需要百万以上的资金购置GPU、FPGA等硬件资源，对于大部分中小型企业来说，负担太大。进而导致整个行业被数家巨头所垄断，缺乏竞争，阻碍行业发展。

人才短缺，研发进度缓慢

算法是逻辑的表现，目前的困境在于缺乏专家，一个博士生大概需要五年的时间培养，但是五年前还没有博士生开始从事深度学习，所以该领域的专家极度稀缺，导致各公司的项目研发进度受阻，难以满足社会对人工智能行业的需求。

3 区块链人工智能行业优势

数据存储上链，不再被巨头所垄断

区块链以去中心化的方式对大量数据进行组织和维护，用户控制自己的数据，打破科技巨头垄断数据的现状。区块链还具有完全公开、高可靠性、去信任等诸多优点，可以实现全球数据共享和溯源，使得构建更高规模、更高质量、可控制权限、可审计的全球去中心化人工智能数据标注平台成为可能。

区块链挖矿实现算力共享

把分布式挖矿与人工智能结合，将大型GPU或者FPGA服务器集群、中小型企业闲散的空余GPU服务器以及个人闲置GPU作为计算节点，利用区块链技术通过共享算力，为人工智能提供算力供给。

搭建区块链机器学习任务平台

搭建发布机器学习任务的平台，利用群体智慧优化人工智能算法，一套算法由多个人工智能专家更新维护，不再是由一家公司决定一套算法，有效促进行业技术革新。

4 区块链人工智能行业项目清单

项目类型	项目
计算平台	Project PAI、DeepBrain深脑链、ATN、Nebula AI智云链、POLY AI、Blockchain of AI and IOT、Consensus
机器学习模型	Cortex、Neuromation
底层公链	SingularityNET、MATRIX、Bottos、DML
金融分析	Cindicator、RIALTO.AI、Alphacat、Daneel
数据应用	DATA、Lampix、AICHAIN
面部识别	Faceter
医疗健康	AIDOC天医

5 案例分析

5.1 案例一：Project PAI

项目简介

Project PAI是一个为PAI（Personal Artificial Intelligence，个性化人工智能）开发的基于比特币分叉的新的公有区块链协议，可以用区块链对人工智能进行认证、管理、数据学习和应用开发。PAI区块链也将为其他的人工智能技术提供数据和应用开发平台，促进区块链与人工智能融合。

Project PAI

类型

开发平台

技术要点

Project PAI与美国人工智能公司ObEN.com合作，开发PAI的区块链网络和相关应用。

Ø 语音技术：用于建立发声模型、进行身份识别等。

Ø 自然语言处理技术（NLP）：个性化语义理解。

Ø 分布式人工智能技术：用统计模型生成更大规模的海量、新的模拟数据，用于做深度学习的训练。深度学习的成果通过转移学习，可以被用在每个点的个人数据的子系统上。

代币情况

代币名称：PAI

发行时间：2018年6月29日

上线交易所时间：2019年7月3日

上线交易所：火币全球、币夫、LBank等5家交易所

流通量：593,406,800PAI

总发行量：2,100,000,000PAI

流通市值：¥591,456,527

应用场景

Ø 社交游戏：经过认证的3D智能影像和基于用户行为的形象让用户身份更加真实生动，PAI提供更多的表达个性方式。

Ø 私人助理：PAI可以充当用户的私人助理，代表主人安排事情和回答问题等等。

Ø 共享经济：经主人授权后代表主人连接他的PAI，共享主人的资产和服务。

Ø 医疗健康：PAI作为一种媒介，可以做为医生、护士或者患者的代表，更好地维护医患关系。

Ø 娱乐媒体：明星可以通过PAI打开多样化的粉丝互动渠道，为用户增添更多价值。

评价

在这个经济体系里，每个人的PAI都是一个经过认证的三维人工智能形象，和主人长相相似，声音相似，不断学习的过程中了解主人、回答问题，代表主人去处理各类事情。

而随着人工智能变得更加个性与私人化，人工智能也成为了敏感个人数据的宝贵载体。AI和数据构建出来的虚拟形象尚未在目前的中心化场景下得以大规模应用也正是因为数据敏感的问题。而Project PAI将人工智能去中心化，将其安全地与区块链协议绑定，进行信任认证，安全和管理的授权，同时赋予数据经济价值，让数据流通实现价值回归和资源的有效配置。

5.2案例二：Cindicator

项目简介

Cindicator旨在建立混合人工智能的底层基础设施架构，在不确定的经济环境中做出有效决策。项目包括两个层面：去中心化的预测市场（人类预测，群体智慧）提供基础数据，人工智能针对这些数据使用机器学习算法，总结最优的投资策略以提高投资回报率。

基于区块链技术的预测市场能够提供真实有效的数据，而随着用户数据的不断增加，数据准确率也更有保障。

Cindicator

类型

金融分析

系统设计

Ø 业务模块负责具体业务；

Ø 预测模块负责获取数据，建立模型进行预测；

Ø 交易模块负责获取来自预测模块的数据，结合交易所数据，达成交易决策。

代币情况

代币名称：CND

发行时间：2017年10月4日

上线交易所时间：2017年10月14日

上线交易所：币安网、MXC、Mercatox等11家交易所

流通量：1,445,976,590CND

总发行量：2,000,000,005CND

流通市值：¥242,763,257

运营模式

Ø 用户对平台的相关问题做出预测，预测越精确所获得的资金补偿就越多。平台针对性分析预测精度高的用户模型。

Ø 项目方进行结果预测和策略出售，投资者需要在二级市场购买一定比例的代币才能拥有相应级别获得预测结果或者投资策略的权限。

Ø 用户跟投项目的量化策略投资方案需要支付一定比例的费用。

评价

Cindicator平台预测内容主要为汇率、币价、股指等项目，而这些项目的预测者很可能也同时是投资者。平台能有效收集影响价格走势的群体的数据，加之人工智能分析，具有较高的预测精度。同时平台吸纳了上千位金融分析师，在机器分析的基础上，提供人工决策。平台方自有基金的20%用于旗下量化方案投资，而预测结果与CND平台方及分析师利益挂钩。

虽然在数据质量上有一定优势，但是否能够维持稳定盈利还是个未知数。

6 区块链人工智能行业的机遇与挑战

6.1 机遇

区块链技术提高数据安全性

人工智能的发展需要收集大量的数据并进行分析，但人工智能领域存在数据的连续性、隐私性、安全性等问题。区块链能让其每个节点都按照链式结构储存完整数据，同时区块链与加密算法相结合可以分离数据所有权和使用权，杜绝原始数据泄露的风险，解决数据收集时的隐私问题。

数据交易公开透明

区块链的非对称加密授权技术则可让数据的交易变得公开透明，对于交易账户的身份信息进行高度加密，设置数据的访问授权，从而杜绝了原始数据泄露的风险。鼓励独立的企业间数据共享，获得更多的数据以训练出更好的模型。

有效监控人工智能的活动

将人工智能活动常规哈希函数写入区块链，具有密钥的代理能及时发现、分析和纠正人工智能的错误行为。不良的数据内容将给人工智能带来相应的安全隐患，而区块链的不可篡改性和共识机制可以确保人工智能或背后的团队不滥用数据或发生违背初衷的行为。同时也能避免人工智能系统收到黑客攻击。

降低电力消耗

根据德勤研究表明，区块链验证和共享交易的总运行成本大概是每年6亿美元左右，而人工智能在传统行业能够有效优化电力消耗，相信在未来区块链也能依靠人工智能算法降低能耗。

6.2 挑战